大模型到底在干嘛
本周，谷歌官方推出了一款苹果手机 App，为手机提供离线使用的 Gemma 4 模型。不需要上网，手机也能使用大模型了。
大模型到底在干嘛大多数人已经在用 AI 了：写周报、改文案、查资料。
但用着用着，往往会冒出一个更实际的问题——
👉 这玩意儿到底在“干嘛”？它是真的在“思考”吗？
一、先说结论：它本质是在“猜下一个字”如果只用一句话总结：
👉 大模型做的事情，其实就是：根据前面的内容，预测接下来最可能出现的词。
听起来很简单对吧？但关键在于——它不是随便猜，而是基于海量数据训练出来的“高水平猜测”。
举个简单例子：
当看到一句话：
今天天气很好，我准备去_____
我么大概率会填：
公园
散步
逛街
而不会填：
修火箭
挖隧道
为什么？因为我们“见得多”，知道正常人会怎么说。
👉 大模型干的就是同一件事，只不过它见过的是“全世界级别的数据”。
二、它为什么看起来“像懂了”？有时候可能会有一种感觉：
👉 AI有时候说话特别像人，甚至感觉它“理解了”。
但实际上，它并不是像人一样在理解，而是：
👉 它太会“模仿人类说话方式”了。
可以把它想象成：
一个看 ...
Claude 内部提示词手册公开（精选10条）
在ClaudeCode中输入提示词后发生了什么有人根据 Claude Code 泄漏的源码制作了网站，能一步步图解演示输入提示词后软件内部如何处理。
网站地址：https://ccunpacked.dev/#agent-loop
Claude 内部提示词手册公开文档来源：@meijiangAI（Anthropic 前研究员公开的内部提示词）
提示词1：情境简报核心理念：永远不要直接提问，先给 Claude “地图”。
推荐提示词：
1234我的背景是：[你的角色、公司、具体问题]。 已尝试过：[X、Y 等方法]。 目前卡在：[Z 具体难点]。 帮我理清思路。
效果：内部测试显示，此做法可提升 41% 的输出质量。 Claude 需要清晰的情境才能进行高质量导航。
提示词2：推理要求核心理念：不要只问答案，要问思考过程。
推荐提示词：
123给出方案前，逐步展示你的推理。 指出所有不确定之处。 标记所有假设。
效果：让 Claude 的内部推理层完全浮现。你不仅得到答案，还能得到可验证、可质疑的思考过程。
提示词3：诚实约束核心理念：Claude 天性过于“乐于助 ...
AI现阶段常见新词汇出现背景（二）
微信已开放龙虾接口微信官方本周发布了龙虾接口，意味着我们可以通过微信来操控龙虾了。
很多项目利用这个接口做二次开发，便于各种 Bot 和 Agent 网关的接入。
wechat-rs-sdk
WeChatBot
WeClaw
WeChat-Channel
AI应用常见新词汇本篇进一步探讨那些支撑复杂AI系统的新技术和术语，例如MCP、Function Calling、Multi-Agent等。
这些技术的出现有一个共同原因：大模型本身只是提供“一问一答”的能力。在实际应用中，我们需要让AI能够处理多步骤任务、跨系统协作、长文档理解，以及复杂业务逻辑。于是便以大模型为基石，开发了各类辅助技术，使AI不仅能说话，还能“做事”。
就像几十年前，当电力技术出现后，人们不仅点亮了灯泡，还基于电力发明了电视、电冰箱、电梯、计算机网络等一系列应用。大模型同样是AI的“电力”，为衍生技术提供了基础，让整个AI生态迅速丰富并得以发展。
一、Function Calling（函数调用）出现背景大模型本身只能生成文本，但在实际应用中，我们希望AI能够：
查询数据库
调用接口
执行业务逻辑
因此引入了 ...
AI现阶段常见新词汇出现背景（一）
全球AI使用现状世界总人口现在是81亿，如果画成一个方块图，每个方块代表320万人。
68.8亿人还从没用过 AI（灰色方块），占84%。
13.8亿人跟 AI 有过对话（绿色方块），占16%。
1500万～2500万人付费订阅了 AI 服务（黄色方块），占0.3%。
200万～500万人使用 AI 生成了自己的编程项目（红色方块），占0.04%。
图片数据截至2026-03-06前有效
AI应用常见新词汇随着大模型技术的发展，AI领域在近两年出现了大量新的技术词汇，例如：LLM、Prompt、RAG、Agent等。这些概念不仅出现在技术文章中，也逐渐进入企业应用场景。
理解这些核心术语的出现原因，有助于更好地理解当前AI系统的工作方式以及未来的应用方向。
一、LLM（Large Language Model，大语言模型）出现背景在早期的自然语言处理（NLP）领域，模型通常只能完成单一任务，例如：
情感分析
文本分类
机器翻译
每个任务都需要单独训练一个模型，开发成本较高，通用性也较差。
随着深度学习的发展，研究人员开始训练参数规模更大的通用语言模型，通过海量文本数据进行训练 ...
Windows 下 OpenCV 编译与 GoCV 安装实战
概述在 Windows 平台上，如果你想从源码编译 OpenCV 并在 Go 语言中通过 GoCV 使用它，这篇文章会带你一步步完成：准备工具、编译 OpenCV、安装 GoCV 到运行验证，流程亲测可用，并附常见坑与排错建议。
一、准备工具：安装 MinGW 与 CMake在正式编译之前，需要准备两个工具：
MinGW‑w64（GCC 编译器）
CMake（生成构建系统）
在命令提示符中创建目录：
123c:md mingw64md cmake
下载并解压：
MinGW‑w64：选择 “GCC-8.1.0” 的 “x86_64-posix-seh” 版本，解压到 C:\mingw64
CMake：下载 “Windows x64 ZIP” 版本，解压到 C:\cmake
将以下路径加入系统 PATH，并重启命令行：
1setx PATH "%PATH%;C:\mingw64\bin;C:\cmake\bin"
验证安装：
12gcc --versioncmake --version
如果看到 “gcc version 8.1.0 …” 与 “cmake ...
CookLikeHOC：用老乡鸡的方式烹饪美味，轻松上手的JavaScript项目！
🍳 CookLikeHOC：用老乡鸡的方式烹饪美味，轻松上手的JavaScript项目！你是否曾在厨房中苦苦挣扎，想要重现那一份来自老乡鸡的美味？是不是在尝试几次后，依然对自己的厨艺感到无奈？别担心，今天我们要介绍的项目——CookLikeHOC，将会把你变成烹饪高手，让你轻松驾驭各种美味佳肴！🥢
项目介绍CookLikeHOC 是一个非官方的老乡鸡菜品烹饪项目，致力于将《老乡鸡菜品溯源报告》的内容进行归纳、编辑与整理，使每一个热爱美食的人都能在家中轻松复刻出那些令人垂涎的菜肴。项目的主要部分预计于2024年完工，但已经吸引了近9517个星标和1300个新星标的热情关注，充分说明了它的受欢迎程度！🌟
技术特点1. 基于JavaScript的易用性CookLikeHOC采用了JavaScript语言，开发者们可以轻松地上手，结合各种现代前端技术，快速实现自己的烹饪应用！无论你是前端小白还是资深开发者，都能在这个项目中找到乐趣🏗️。
2. 数据驱动的烹饪体验
项目不仅仅是简单的菜谱展示，更是通过数据驱动的方式，让用户了解每道菜的来源、材料以及烹饪技巧。这种透明化的信息传递，让你在烹 ...
SQLBot：问数新纪元的智能助手 🚀
SQLBot：问数新纪元的智能助手 🚀在这个数据驱动的时代，如何高效地从海量数据中提取有价值的信息，成为了企业和个人的共同挑战。传统的SQL查询方式不仅复杂，而且对普通用户来说，有着不小的门槛。想象一下，如果你只需用自然语言提问，系统便能自动生成SQL查询语句，轻松获取所需的数据，这将是多么美好的事情！今天，我要向大家介绍一款极具潜力的开源项目——SQLBot，它正是为解决这一痛点而生！✨
项目概述
SQLBot 是一个基于大模型和RAG（Retrieval-Augmented Generation）技术的智能问数系统。它能够将自然语言转换为SQL查询，帮助用户轻松获取数据，极大地提升了数据查询的便捷性和准确性。目前，该项目在GitHub上拥有超过2052个星标，并且今日新增了121个星标，显示出其越来越受到开发者和用户的欢迎。
项目地址：dataease/SQLBot
技术特点
开箱即用SQLBot 只需进行简单的配置，即可与大模型和数据源连接，快速启动问数之旅。用户无需具备SQL知识，便可通过简单的自然语言与系统进行交互，轻松获取数据。
易于集成SQLBot 支持 ...
什么是NAT？NAS远程访问绕不开的网络魔法
一、前言你是否曾经困惑过：家里的NAS明明连上了网，为何我在外地却访问不到？为什么别人能通过公网IP访问他们的设备，而我却只能在局域网里摸鱼？
这一切的答案，都指向了一个看似神秘却无处不在的网络技术：NAT（网络地址转换）。
本文将为你揭开NAT的面纱，从原理到实际应用，帮助你理解它在家庭网络、NAS远程访问中的关键作用。
二、什么是NAT？NAT，全称是 Network Address Translation（网络地址转换），顾名思义，是一种IP地址转换的技术。
通常用于私有网络（局域网）和公网（互联网）之间的地址转换，其使命是解决IPv4地址不够用的问题。
举个例子：我们家的路由器获取到了一个公网IP，例如 123.123.123.123，而家中所有设备（NAS、手机、电脑）使用的都是内网地址，比如 192.168.1.2、192.168.1.10 等。
这些内网IP无法直接在互联网中通信，于是由路由器扮演翻译官的角色：通过NAT机制，把所有设备的访问请求“伪装”成来自 123.123.123.123，再转发到公网。
三、NAT的工作原理1. 出站请求流程（从内网访问公网）以 NA ...
MySQL慢SQL处理
概述Docker 环境下使用 pt-query-digest 分析 MySQL 慢查询。
在生产或测试环境中，MySQL 查询变慢往往是性能问题的信号。要精准定位问题，分析慢查询日志是最直接有效的方式。本文介绍如何在 Docker 环境中启用慢查询日志，并使用 pt-query-digest 进行深入分析与优化。
一、前提条件
MySQL 运行在 Docker 容器中。
能进入容器或通过挂载访问日志文件。
主机或容器中可使用 pt-query-digest 工具（Percona Toolkit 提供）。
如果 pt-query-digest 尚未安装，可在常见发行版中安装：
12345# CentOS / RHELyum install -y percona-toolkit# Debian / Ubuntuapt install -y percona-toolkit
若系统源中没有，可通过 Percona 官方源安装：
123wget https://repo.percona.com/yum/percona-release-latest.noarch.rpmrpm -ivh per ...
向量数据库介绍
向量数据库（Vector Database）是近年来随着大语言模型（LLM）和语义搜索发展而火起来的一种新型数据库。它的目标是支持基于“语义相似度”的高效搜索，与传统数据库按关键字精确匹配不同。
🧠 一、什么是“向量”？
在 AI/NLP 中，一段文本、图像、音频都可以被编码为一个高维的浮点数数组，比如：
1"Java 是一种面向对象的编程语言" → [0.12, -0.33, 0.88, ..., 0.03] // 1536维
这个过程叫做 Embedding（嵌入）
转换之后的向量保留了原始内容的语义信息
两个意思相近的句子，它们的向量会在高维空间中非常接近
📚 二、向量数据库 VS 传统数据库
特点
传统数据库 (MySQL)
向量数据库 (Weaviate/Pinecone)
存储的数据
字符串、数字等
高维向量（float 数组）
支持的搜索方式
精确匹配、模糊匹配
向量相似度搜索（余弦/欧几里得）
应用场景
业务数据管理
语义搜索、图像检索、文档问答
🔍 三、向量数据库的核心功能✅ ...